生成*简单* TensorFlow图说明

我在一家Jupyter笔记本使用TensorFlow我的第一次深度学习模型时，我想，以产生说明了网络的各个层的简化图。具体来说，图表如在this answer图为：生成*简单* TensorFlow图说明

这个很简单，干净，我能理解这是怎么回事。这比捕捉100％的细节更重要。

如何可以采取tf.Graph对象并自动生成类似于上面的一个的曲线图：与由TensorBoard产生的曲线图，其是一个完整的fustercluck对比？如果它也可以显示在Jupyter笔记本中，则为奖励积分。

2017-08-19 Myridium

总之 - 你不能。 TF是一个低层次的图书馆，它没有“高层次操作”的概念，它具有操作性，而且这是它能够以您想的方式可视化的唯一东西。特别是，从数学的角度来看，图中没有“神经元”，只有张量彼此相乘，这种额外的“语义”只是为了让人类更容易谈论这一点，但它并不是真的编码在你的图表中。

你可以做的是自己组节点通过specifing您的图形部分variable_scope，然后，在TB显示后，他们将被显示为一个节点。它不会给你这种“每神经元样”的可视化风格，但至少它会隐藏很多细节。创建神经网络的一个很好的，视觉上吸引人的可视化对于自己的权利来说是一种“艺术”，并且一般来说是一项艰巨的任务。

来源

2017-08-19 13:25:15 lejlot

这里的代码片段，我们在我们的笔记本电脑PipelineAI使用我们的Jupyter笔记本电脑内内嵌显示我们TensorFlow图：

from __future__ import absolute_import 
from __future__ import division 
from __future__ import print_function 
import re 
from google.protobuf import text_format 
from tensorflow.core.framework import graph_pb2 

def convert_graph_to_dot(input_graph, output_dot, is_input_graph_binary): 
    graph = graph_pb2.GraphDef() 
    with open(input_graph, "rb") as fh: 
     if is_input_graph_binary: 
      graph.ParseFromString(fh.read()) 
     else: 
      text_format.Merge(fh.read(), graph) 
    with open(output_dot, "wt") as fh: 
     print("digraph graphname {", file=fh) 
     for node in graph.node: 
      output_name = node.name 
      print(" \"" + output_name + "\" [label=\"" + node.op + "\"];", file=fh) 
      for input_full_name in node.input: 
       parts = input_full_name.split(":") 
       input_name = re.sub(r"^\^", "", parts[0]) 
       print(" \"" + input_name + "\" -> \"" + output_name + "\";", file=fh) 
     print("}", file=fh) 
     print("Created dot file '%s' for graph '%s'." % (output_dot, input_graph)) 

input_graph='/root/models/optimize_me/linear/cpu/unoptimized_cpu.pb' 
output_dot='/root/notebooks/unoptimized_cpu.dot' 
convert_graph_to_dot(input_graph=input_graph, output_dot=output_dot, is_input_graph_binary=True)

使用Graphviz的，你可以转换.DOT使用%%来.png格式你的笔记本电池内的bash魔法：

%%bash 

dot -T png /root/notebooks/unoptimized_cpu.dot \ 
    -o /root/notebooks/unoptimized_cpu.png > /tmp/a.out

最后，在你的笔记本显示图表：

from IPython.display import Image 

Image('/root/notebooks/unoptimized_cpu.png', width=1024, height=768)

这里是在TensorFlow实现一个简单的线性回归模型的一个例子：

下面是用于部署和生产服务TensorFlow模型（使用上述代码段也呈现）的优化版本：

更多的例子和这些类型的优化的细节在http://pipeline.ai

来源

2017-08-19 14:36:44

生成简单 TensorFlow图说明

回答

生成*简单* TensorFlow图说明

回答

相关问题

生成简单 TensorFlow图说明